单输出径向基神经网络在烟叶品质预测中的应用

提出了利用三层单输出径向基神经网络预测烟叶品质的方法。首先对由实验得到的常规化学指标和烟叶评价指标数据进行归一化处理；然后通过教师样本数据对网络进行充分的训练，获得适宜的参数矩阵；最后用训练好的网络对检验样本进行预测。     

基于径向基函数网络的加筋挡墙高度预测模型

提出了一种基于人工神经网络（ANN）技术的加筋挡墙临界高度预测方法，通过30组挡墙离心模型试验数据以及组足尺试验数据样本的训练与学习，建立了可用于加筋挡墙高度预测的径向基函数网络（RBFN）模型，采用4组挡墙离心模型试验数据和1组足尺试验数据，共5组样本作为检验样本对网络预测能力进行检验，结果表明网络的学习是成功的，同时网络能较好地适应本特定问题，推广能力较好。     

岩溶区灰岩溶蚀程度卷积神经网络识别及敏感性分析

为了解决岩溶区不同溶蚀程度灰岩合理、高效识别问题，以桂林七星区灰岩为研究对象，开展不同pH、不同循环次数的酸性干湿循环试验，构建不同溶蚀程度灰岩识别的卷积神经网络模型(CNN),分析不同pH值、不同循环次数对模型识别效果的影响，探讨样本数量、网络参数设置对模型影响的敏感性.研究表明，伴随酸液pH值的降低、干湿循环次数的增加，岩样表面溶蚀纹路及溶蚀产生的孔隙越明显，模型分类准确率越高；学习样本、预测样本数量较小时，准确率随着样本数量增加而增高，当学习样本、预测样本数量接近4∶1时，模型预测效果最佳，随后准确率随着样本数量增加而降低；模型对不同网络参数敏感性不同，学习率为0.1,迭代次数与样本更新数为50时，准确率最高.CNN模型预测准确率最高为97.6%,为岩溶区灰岩溶蚀程度有效识别提供一条新途径.     

基于梯度惩罚生成对抗网络的过采样算法

在不平衡数据分类问题中，为了更注重学习原始样本的概率密度分布，提出基于梯度惩罚生成对抗网络的过采样算法（OGPG）。该算法首先引入生成对抗网络（GAN），有效地学习原始数据的概率分布；其次，采用梯度惩罚对判别器输入项的梯度二范数进行约束，降低了GAN易出现的过拟合和梯度消失，合理地生成新样本。实验部分，在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法，在评价指标上均有显著提升，并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。     

融合深度残差网络和注意力机制的3D目标检测

针对Frustum-PointNets的实例分割网络结构单一且卷积深度较深、易出现特征丢失和过拟合，检测准确率较低的问题，提出了一种改进的Frustum-PointNets网络。该网络首先构建深度残差网络并融入实例分割网络，提高特征提取能力，解决深层网络的退化问题；引入双重注意力网络以增强特征，提高分割效果；运用Log-Cosh Dice Loss解决样本不均衡，加快网络训练；使用Mish激活函数保留特征信息；最后基于Kitti和SUN RGB-D两个数据集进行实验验证本文算法的有效性。实验结果表明，本文算法相对于Frustum-PointNets，在Kitti数据集中，3D框检测精度提高了0.2%～13.0%；鸟瞰图的3D框检测精度提高了0.2%～11.3%。在SUN RGB-D数据集中，本文算法的3D框检测精度提高了0.6%～16.2%，平均检测精度（m AP）提高了4.4%。实验验证，本文算法在室外和室内场景中获得较好的目标检测及分割效果。     

旋转回归分析在预防玉米大斑病中的应用

通过旋转回归正交试验，对农业三项措施（播种密度、氮肥追施量、播种节令）与玉米大斑病发生发展关系及变化规律进行了深入研究。创建了玉米大斑病与农业措施关系的总回归模型及六个子模型。通过论证和实践检验，肯定了模型的可靠性和应用的有效性。为农业生产起到了很好的指导作用。     

信息保真边缘检测

在YiLuo提出的边缘保真去噪算法的基础上，给出了边缘保真去噪（EPS）的计算公式，边缘检测对图像处理是很重要的并且检测的效果在很大程度上取决于图像的信噪比和所用的滤波因子，通过对人工合成图像的EPS处理，可以得出三点有实用价值的结论：（1）滤波因子的长度必须小于图像信号的1／2周期，这意味着因子长度的选择必须满足采样定理；（2）图像中含有随机噪音和阶跃型陡边界时，应用EPS能得到很好的效果，边缘的三要求－陡度，坐标位置和跳跃幅度能够完全保持；（3）对于倾斜边缘，检测效果不是很好，而对于曲线型的边缘，用于EPS处理后其效果比常规光滑滤波方法还要差。这说明EPS的应用条件是值得重视的。     

分布式多媒体QoP参数的量化计算

在形式化分析分布式多媒体同步通信问题的基础上，提出了解决因网络舆延迟或抖则导致的舆与回放速度不匹配问题的３条措施：（１）源和目标结点在发送和接收多媒体对象时遵守时序制关系；（２）目标结点预点预取若干多媒体对象；（３）彩有蜀缓冲区，不仅给出了定量分析、计算与证明，并在实际应用中得到了验证。’     

改进的椭球单元网络及其在故障诊断中的应用

针对椭球单元网络在应用中存在的一些问题，提出了改进措施。这些措施主要围绕改进网络的分类能力和表达能力、合理确定网络结构、避免错误泛化等。通过进行聚类初始化处理和引入有界椭球，改进了BP算法；通过在网络训练过程中引入“节点分裂”和“节点修剪”机制，使得训练后的网络结构更为合理，能适应实际问题的需要；工建议在聚类样本送入网络训练前，先进行PCA处理，以确定更为合理的椭球轴向和降低椭球维数，进一步达到缩短训练时间、增强泛化能力的目的。在CSTR故障诊断中的应用表明：改进的椭球单元网络（BPE）具有任意的非线性分界能力、描述紧邻非线性界面的能力和避免对未知故障类空间进行任意划分的能力。     

共轭梯度神经网络的研究

针对ＢＰ人工神经网络存在的两个缺点：（１）局部收敛问题不能很好解决；（２）收敛速度慢，提出应用改进共轭梯度算法建立人工神经网络，以获得共轭梯度网络的全局收敛特性和快收敛速度。计算机仿真结果表明：改进巫轭梯度网络优于ＢＰ网络。     

便携式人工神经网络及其在砼疲劳寿命预测中的应用

基于快速人工神经网络,探讨了利用线性函数对数据进行归一化的方法,结合数据归一化后的值域范围以及用于确定隐含层神经元数目的经验公式,依据网络均方差最小化原则,得到了人工神经网络的结构参数,然后将疲劳实验数据作为训练数据,建立了混凝土疲劳寿命预测的人工神经网络模型,并将其导出为一个独立的便携式模型文件.计算结果表明,该模型计算精确度高,可以方便地嵌入到各种工程软件中,能够解决混凝土疲劳寿命预测模型的准确性和实用性两大难题.     

基于均匀试验人工神经网络的实用可靠性方法

根据均匀试验的设计提出了一种全新的可靠性计算方法,它有机地综合了人工智能网络.人工神经网络弃用有限单元法（FEM）而改用该方法,一个根本原因在于它能极大地减少计算量.首先,根据随机变量分布情况,通过均匀试验提取出有限样本,将它们看作是有限元法分析的输入参数.其次,基于有限元分析结果利用这些有限的训练样本构建最优的人工神经网络.利用最优人工神经网络的泛化能力,随机得到一个有效的响应值,然后计算出结构系统的可靠性指数.最后,这一计算方法还为进行可靠性分析提供新尝试,在对复杂系统进行实际试验时该方法表现得切实可行且有效.     

基于人工神经网络烟度计有效光路的算法

为准确计算烟度计的有效光路，基于人工神经网络提出了对QN-1型全流消光式烟度计有效光路的计算方法．该方法利用烟度计有效光路的关键影响因素即空气扫气压力和发动机的转速为输入，构造了一种反向传播神经网络，并利用试验数据进行训练，然后仿真烟度计的有效光路．试验表明，仿真数据与试验数据偏差在-0．0399～0．0486之间．由此可见，利用人工神经网络计算烟度计的有效光路准确实用．     

基于BP网络的气敏传感器阵列测试分析

将BP人工神经网络应用于气敏传感器阵列测试系统中,对测试系统进行了详细的论述.用改进BP算法对不同浓度的目标混合气体进行了定性及定量分析,并以图表形式输出结果.研究表明,网络经过多次训练及测试后,基本上克服了半导体传感器因存在"交叉敏感性"而影响输出的缺点,提高了测试准确度,总体性能较好.     

教学质量评价体系的神经网络模型

阐述了人工神经网络用于教学质量评价的设计思想和实现方法 .对传统教学质量评价方法进行了介绍与分析 ,给出应用神经网络进行评分与定级的网络结构设计方法和误差反传学习算法 ,并对所设计的教学质量评价神经网络进行了训练与实测     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

计算机软件质量综合评判的人工神经网络模型

根据单指标评价标准,通过在规定的区间范围内随机取值生成足够多的训练样本、检验样本和测试样本,遵循误差反传（BP）网络建模基本原则和步骤,建立可靠、有效的软件质量综合评价模型,克服了物元模型、灰色模型等方法存在受人为因素影响及定性评价等缺陷．对6个模拟样本和8个实际软件的评价表明,本文提出的样本生成方法、建模过程能有效避免出现过训练和过拟合现象,建立的BP模型具有较好的泛化能力、可比性和客观性;各评价指标与软件质量等级之间存在明显的非线性关系,可靠性指标对软件质量等影响最大．     

发动机动态特性组合神经网络建模新方法

针对现有发动机组合神经网络建模方法对不同数组结构的样本数据泛化能力较差的不足,提出一种多步线性插值法的组合神经网络建模方法. 该方法基于有限元建模思想,以具有丰富样本数据的某一维输入量构造网格线,对多维输入样本空间进行划分. 在网格线上,样本数据按照BP算法对网络模型进行训练,得到高精度神经网络函数,而在网格线中间,所求输出根据相邻的两条网格线的神经网络函数进行多步线性插值. 与传统组合神经网络建模方法的对比结果表明,在处理不同数组长度的多维发动机动态特性试验数据方面具有很好的适应能力.      

基于人工神经网络构建运动训练计划模型的研究

以短跑项目为例,从决定短跑运动员的影响因素出发,构造了用于确定短跑运动员训练计划的人工神经网络模型．该系统可以借助现有优秀短跑运动员的训练计划建立相应的神经网络模型,以便针对具体的训练对象制订合理的训练计划．由于神经网络模型所固有的泛化功能,即使在提供信息不完备或存在明显的误差等情况下,上述模型制订的训练计划仍有一定的指导意义．     

基于多聚合过程神经元网络的宁东大气污染物浓度预测研究

已有的基于人工神经网络对大气环境质量预测的研究大多只考虑空间特性,因此,无法准确刻画大气环境中污染物浓度随时间的动态变化规律,更不能实现影响污染物浓度诸因子在时间维上的有效预测。鉴于此,主要在时间、空间上对多聚合过程神经元网络模型进行多次训练与学习,并将训练好的模型对宁东能源化工基地大气环境中污染物SO2的浓度进行预测。仿真实验表明:多聚合过程神经元网络对于大气环境中SO2浓度具有较好的预测能力。